Những gì nhân loại cần để phát triển trong thập kỷ tới

Lưu ý của biên tập viên: Một Liên minh Thách thức Lớn về Xã hội kỹ thuật gồm 23 thành viên, được tuyển chọn từ nhiều lĩnh vực xã hội, vùng miền và quan điểm chính trị khác nhau, đã đóng góp và hỗ trợ công việc này.

Tháng trước, chính phủ Hoa Kỳ đã ra lệnh cho Anthropic cắt quyền truy cập vào hai mẫu máy mạnh nhất của mình, Fable 5 và Mythos 5, đối với tất cả người nước ngoài (bao gồm cả nhân viên của chính họ). Chỉ trong vài giờ, công ty đã vô hiệu hóa hệ thống cho từng khách hàng. Sự kiện này đã phơi bày một khoảng cách ngày càng rộng: Năng lực thô của các hệ thống này hiện tiến nhanh hơn nhiều so với các tổ chức được xây dựng để quản lý, hấp thụ hoặc thậm chí hiểu chúng.

Khoảng cách đó đã trở thành nguồn lo ngại đối với những người xây dựng công nghệ. Trong bài luận tháng 6 năm 2026 mang tên "Chính sách về AI theo cấp số nhân," Giám đốc điều hành Anthropic, Dario Amodei, đã cảnh báo rằng khả năng của AI đang tăng trưởng với tốc độ cấp số nhân trong khi các thể chế chính sách và xã hội của chúng ta vận hành theo tốc độ quen thuộc, một sự không phù hợp mà ông ví như việc tìm kiếm viện trợ quân sự từ cây. Cùng tuần đó, bộ phận nghiên cứu của công ty, Viện Nhân học, đã công bố dữ liệu nội bộ về các mô hình đã bắt đầu giúp xây dựng các mô hình kế tiếp, làm tăng sức nặng cho những suy đoán lâu dài về tự cải tiến đệ quy.

Chúng tôi chia sẻ nhiều mối quan tâm này. Nhưng chúng tôi nhận thấy sự bất đối xứng trong cách giải quyết vấn đề này. Cuộc trò chuyện rất tham vọng và cụ thể về hai nhiệm vụ: xây dựng các hệ thống có năng lực hơn và điều chỉnh các hệ thống đó với các giá trị con người. Nhưng ít có thảo luận về việc chuẩn bị xã hội để hấp thụ các hệ thống này. Ngay cả những bài luận như của Amodei cũng trình bày chương trình xã hội như một danh sách các lĩnh vực cần được "tái tưởng tượng" và không xem xét những gì việc tái tưởng tượng đó đòi hỏi. Với mỗi lộ trình chi tiết hướng tới siêu trí tuệ, chỉ có một cử chỉ hướng tới cơ sở hạ tầng con người và thể chế để đảm bảo lợi ích của nó được chia sẻ an toàn và rộng rãi.

Sự mất cân bằng thể hiện trong dòng chảy vốn. Mỗi đô la được chi để làm cho các hệ thống AI trở nên hiệu quả hơn, một phần rất nhỏ được dành cho cơ sở hạ tầng thể chế, giáo dục, tổ chức và công dân cần thiết để tích hợp các hệ thống này vào xã hội một cách hiệu quả và an toàn. Lĩnh vực điều chỉnh AI đã đúng khi tập trung vào việc đảm bảo các hệ thống theo đuổi các mục tiêu phù hợp với giá trị con người, nhưng sự phù hợp là một vấn đề hai mặt. Ngay cả một hệ thống được điều chỉnh hoàn hảo cũng sẽ không đạt được tiềm năng hoặc gây tổn hại nghiêm trọng nếu được triển khai vào các nền dân chủ, nền kinh tế và hệ thống pháp luật mà không sẵn sàng tiếp nhận.

Chúng tôi gọi mặt còn lại bị bỏ quên đó là "sự liên kết ngược": việc tạo ra và thiết kế lại đầy tham vọng các thể chế, chuẩn mực, kỹ năng và khung quản trị để xã hội có thể khai thác AI một cách an toàn và chia sẻ lợi ích của nó một cách rộng rãi. Phạm vi thích nghi cần thiết có thể so sánh với các biến đổi thể chế đi kèm với công nghiệp hóa, điện khí hóa và sự phát triển của internet, mỗi sự thay đổi đều đòi hỏi hàng thập kỷ đầu tư có chủ đích vào thiết kế lại tổ chức, phát triển lực lượng lao động, khung pháp lý và các hình thức tham gia công dân mới. Lịch sử cho thấy các khoản đầu tư như vậy không phải là bổ sung tùy chọn cho sự thay đổi công nghệ; chúng là điều kiện tiên quyết cho thành công của nó, như nhà nghiên cứu Carlota Perez lập luận trong cuốn sách năm 2002 "Cuộc cách mạng công nghệ và vốn tài chính."

Trong bài báo này, một liên minh các cá nhân có chuyên môn trải dài từ nghiên cứu AI, khoa học xã hội, quản trị, công nghiệp, từ thiện và xã hội dân sự, với sự hỗ trợ của AI, đã đạt được quan điểm chung về những gì cần thiết để con người phát triển trong thập kỷ tới. Chúng tôi cho rằng sự thịnh vượng của con người trong những thập kỷ tới phụ thuộc vào việc giải quyết một tập hợp "thách thức lớn về xã hội kỹ thuật": các khoản đầu tư quy mô lớn, phối hợp vào các khía cạnh con người và thể chế của quá trình chuyển đổi AI. Chúng tôi khảo sát các tiền lệ lịch sử, xác định các lĩnh vực ưu tiên và thảo luận cách tổ chức công việc giữa các lĩnh vực. Mục tiêu của chúng tôi không phải là kiềm chế sự hào hứng với những gì AI có thể làm, mà là xác định rõ những gì cần thiết để hiện thực hóa tiềm năng của nó.

I. Các hình thức thất bại của sự bỏ bê thể chế

Công nghệ có khả năng mở rộng tự do, sự phong phú và trí tuệ tập thể của con người đang được triển khai vào thị trường lao động, các tổ chức công và hệ thống thông tin vốn đã có dấu hiệu trì trệ trước khi AI xuất hiện. Nếu không được giải quyết, sự không khớp đó sẽ tạo ra ba kiểu thất bại có thể dự đoán trước.

1. Năng suất mà không có thịnh vượng. Như các nhà kinh tế Erik Brynjolfsson, Daniel Rock và Chad Syverson minh họa trong một bài báo năm 2021, công nghệ đa năng chỉ tạo ra giá trị rộng rãi sau khi đầu tư bổ sung mạnh mẽ vào các quy trình mới, kỹ năng và thiết kế lại tổ chức. Khi những bổ sung đó chậm trễ, công việc được tổ chức lại nhanh hơn khả năng đào tạo, thương lượng hay di chuyển, và những lợi ích đó không thể chuyển hóa thành an ninh, di chuyển hay sự tham gia rộng rãi hơn.
2. Thi hành mà không có xác minh. Như các nhà kinh tế Christian Catalini, Xiang Hui và Jane Wu lập luận trong một bài nghiên cứu gần đây, khi chi phí sản xuất văn bản, hình ảnh và mã nguồn giảm mạnh, đầu vào khan hiếm trở thành băng thông con người để xác thực đầu ra, xác lập nguồn gốc và đảm bảo trách nhiệm giải trình. Các quyết định ngày càng dễ tự động hóa hơn là biện minh, và các hệ thống thuật toán không có trách nhiệm làm xói mòn các giá trị thiêng liêng và cấu trúc xã hội.
3. Sức chứa không bị giới hạn. AI có thể làm cho các bang và tổ chức lớn trở nên có năng lực hơn nhiều, nhưng như các trí thức và nhà lãnh đạo chính sách có ảnh hưởng trong AI, Justin B. Bullock, Samuel Hammond và Sèb Krier đã lưu ý trong một chương xuất bản năm ngoái trên "Nghệ thuật Quản trị Kỹ thuật số," các công cụ này cũng giảm chi phí giám sát và tập trung quyền tự chủ, đẩy các bộ máy quan liêu về phía kiểm soát tập trung trừ khi có thể tranh chấp, Kháng cáo và bảo vệ quyền tự do dân sự tiến triển song song.

Không điều nào trong số này là tất yếu. Mỗi yếu tố đều là hệ quả của sự bỏ bê thể chế, điều này đặt ra câu hỏi tại sao một số xã hội, trong những giai đoạn biến động trước đây, lại thích nghi thành công hơn nhiều so với những xã hội khác.

II. Tiền lệ lịch sử

Để xem xét cách chúng ta có thể vượt qua sự bỏ quên này, thật hữu ích khi nhớ lại những điều chỉnh thể chế thành công trước đây đối với các chuyển đổi công nghệ, tương tự như những thách thức mà chúng ta đang đối mặt ngày nay.

1. Dân chủ đại chúng

Quá trình công nghiệp hóa và đô thị hóa nhanh chóng của thế kỷ 19 đã tập trung quyền lực kinh tế vào các quỹ tín thác và bộ máy chính trị của Thời kỳ Mạ vàng. Như nhà sử học Robert Wiebe lập luận trong nghiên cứu năm 1967 "Cuộc Tìm kiếm Trật tự," kiến trúc thể chế của một nước cộng hòa nông nghiệp trước đây không thể kiểm soát được các khu đô thị mới này. Thời kỳ Tiến bộ chứng kiến các nhà báo điều tra như Ida Tarbell phơi bày các hành vi lạm dụng của doanh nghiệp, các nhà khoa học xã hội học thuật tại các trường đại học như Đại học Wisconsin kết nối nghiên cứu với quản trị, các lãnh đạo nhà định cư như Jane Addams xây dựng cơ sở hạ tầng công cộng ở cấp đường phố, và các chính trị gia cải cách như Theodore Roosevelt và Robert La Follette biến những áp lực này thành luật. Những đổi mới kết quả, từ việc bầu trực tiếp thượng nghị sĩ và thực thi chống độc quyền đến các cơ quan quản lý độc lập, công đoàn, tiện ích đô thị và bộ máy công chuyên nghiệp, đã xây dựng cơ sở hạ tầng dân chủ cần thiết để quản lý chủ nghĩa tư bản công nghiệp, và chúng vẫn là nền tảng của nó cho đến ngày nay.

2. Bretton Woods

Hai cuộc chiến tranh thế giới và cuộc Đại Suy thoái liên kết chặt chẽ đầu thế kỷ 20 đã chứng minh rằng một nền kinh tế công nghiệp liên kết, trong đó mỗi quốc gia tìm cách thoát khỏi sự suy thoái công nghiệp và tài chính của mình bằng cách làm trầm trọng thêm sự bất ổn của các nước láng giềng thông qua thuế quan và phá giá tiền tệ là công thức dẫn đến sự hủy diệt hàng loạt. Tại Bretton Woods, 44 quốc gia đã xây dựng một khuôn khổ để ổn định nền kinh tế toàn cầu và tránh lặp lại. Họ đã ấn định tỷ giá hối đoái, phối hợp dòng vốn, viện trợ phát triển và quan trọng nhất là các thể chế mới được xây dựng chuyên biệt cho nhiệm vụ này. Quỹ Tiền tệ Quốc tế, Ngân hàng Thế giới và Hiệp định Chung về Thuế quan và Thương mại không chỉ ổn định các đồng tiền; họ đã cung cấp nền tảng cho sự bùng nổ sau chiến tranh mà nhà dân số học Pháp Jean Fourastié gọi là "30 năm huy hoàng" từ 1945 đến 1975, đây là giai đoạn tăng trưởng kinh tế bền vững nhanh nhất trong lịch sử.

3. ARPANET

Sau khi Liên Xô phóng Sputnik, Tổng thống Dwight D. Eisenhower đã thành lập Cơ quan Dự án Nghiên cứu Tiên tiến (ARPA) của Bộ Quốc phòng nhằm hồi sinh khoa học Mỹ. Như nhà báo M. Mitchell Waldrop ghi lại trong cuốn sách năm 2001 "The Dream Machine," một trong những dự án của họ, do nhà tâm lý học chuyển sang làm nhà khoa học máy tính J.C.R. Licklider dẫn đầu, là kết nối các tổ chức nghiên cứu trong khu vực công, tư và dân thành một mạng lưới truyền thông bền vững, ARPANET. Văn hóa quản trị phát triển song song cũng mang tính chuyển đổi không kém. Như nhà sử học Andrew Russell mô tả trong "Tiêu chuẩn Mở và Thời đại Kỹ thuật số" (2014), quy trình Yêu cầu Bình luận, bắt đầu không chính thức từ năm 1969 và sau đó được thể chế hóa thông qua Lực lượng Đặc nhiệm Kỹ thuật Internet, đã cho thấy việc thiết lập tiêu chuẩn mở, hợp tác vượt qua ranh giới tổ chức có thể điều chỉnh hạ tầng chung ở quy mô lớn. Những đột phá kỹ thuật không thể tách rời khỏi kiến trúc thể chế đó.

4. India Stack

Đầu những năm 2000, hơn một nửa dân số Ấn Độ thiếu tài khoản ngân hàng và không có quyền truy cập dễ dàng vào các dịch vụ chính phủ, một phần do thiếu cơ sở hạ tầng chung để xác minh danh tính và chuyển tiền. India Stack đã tạo ra một bộ hàng hóa công cộng kỹ thuật số mở nhiều lớp, bao gồm Aadhaar (định danh sinh trắc học cho hơn 1,3 tỷ người), Giao diện Thanh toán Thống nhất (cho phép thanh toán ngay lập tức, miễn phí), DigiLocker (cho phép chuyển đổi dữ liệu và quyền riêng tư) và eSign, tất cả đều có thể sử dụng bởi bất kỳ cơ quan chính phủ, ngân hàng hoặc nhà phát triển nào.

Hàng trăm triệu người trước đây chưa có tài khoản ngân hàng đã có thể tiếp cận các dịch vụ tài chính, và các khoản chuyển khoản của chính phủ có thể đến tay trực tiếp người nhận. Tuy nhiên, India Stack cũng là một câu chuyện cảnh báo. Nhận dạng sinh trắc học tập trung là một hạ tầng giám sát mà rủi ro phụ thuộc vào sức khỏe dân chủ của bang quản lý, một mối quan ngại ngày càng gay gắt khi các thể chế của Ấn Độ chịu áp lực. Những thất bại trong việc xác thực Aadhaar đã khiến những người dễ bị tổn thương nhất không cung cấp lương thực, lương hưu và phúc lợi, ảnh hưởng không cân xứng đến các cộng đồng thuộc tầng lớp thấp, bộ tộc và di cư. Chính hệ thống đã đạt được sự bao trùm tài chính với tốc độ phi thường cũng tạo ra các phương thức loại trừ và kiểm soát mới, nhắc nhở rằng kiến trúc kỹ thuật và quản trị chính trị là không thể tách rời.

5. Dân chủ số của Đài Loan

Là một trong những xã hội số hóa nhất thế giới, Đài Loan đã đối mặt với một đối thủ tinh vi là Cộng hòa Nhân dân Trung Hoa trong suốt những năm 2010, trải qua các cuộc tấn công thông tin sai lệch, phân cực và các mối đe dọa chuỗi cung ứng nhiều năm trước nhiều nền dân chủ khác. Năm 2014, lo ngại về một thỏa thuận thương mại với Trung Quốc đã châm ngòi cho Phong trào Hoa Hướng Dương, trong đó những người biểu tình đã chiếm giữ Viện Lập pháp một cách ôn hòa trong ba tuần. Cộng đồng hacker công dân g0v đã giúp xoa dịu khủng hoảng bằng các công cụ sau này được nền tảng tư vấn vTaiwan sử dụng. Một trong số đó, Pol.is, lập bản đồ các cụm ý kiến và đưa ra các "tuyên bố cầu nối" giúp giành được sự ủng hộ giữa các nhóm chia rẽ, đưa các câu hỏi gây tranh cãi hướng tới sự đồng thuận sơ bộ. Những thực hành này sau đó được thể chế hóa trong một trong những bộ kỹ thuật số đầu tiên trên thế giới dưới sự lãnh đạo của đồng sáng lập vTaiwan, Audrey Tang. Một dự án liên quan, Cofacts, phân chia trách nhiệm ứng phó với các cuộc tấn công thông tin trên toàn xã hội dân sự thông qua xác minh cộng đồng trên ứng dụng nhắn tin LINE.

Trong thời kỳ Covid, cùng hạ tầng này cho phép bản đồ trực tuyến thời gian thực về tình trạng có khẩu trang và cách tiếp cận "hài hước thay vì tin đồn" nhằm chống lại thông tin sai lệch bằng cách các bộ trưởng châm biếm cách chăm sóc cá nhân của họ trên truyền hình quốc gia thay vì kiểm duyệt của nhà nước. Logic cầu nối này hiện đang diễn ra ở quy mô nền tảng: Ghi chú Cộng đồng của X, được áp dụng năm 2021 và sau đó được Meta và TikTok sao chép, được tin tưởng trên toàn bộ phổ chính trị và chia sẻ lại khoảng một nửa các bài đăng mà họ chú thích.

III. Những thách thức lớn về xã hội kỹ thuật cho thời đại AI

Những tiền lệ trên cho thấy chuyển đổi công nghệ thành công tốt nhất khi được đi kèm với trí tưởng tượng của các tổ chức. Quá trình chuyển đổi AI sẽ kiểm tra nguyên tắc đó trên mọi lĩnh vực cùng một lúc.

Hệ thống nhận dạng

Không có gì nền tảng hơn cho một xã hội ngoài các hệ thống xác minh danh tính, cho phép chúng ta nhận diện người khác và cho phép họ tiếp cận các mối quan hệ, dịch vụ xã hội, tham gia dân chủ và nhiều hơn nữa. Tuy nhiên, có lẽ đặc điểm nổi bật nhất của AI sinh tạo là khả năng tái tạo các đặc điểm và hành vi của con người. Khi chi phí sản xuất tài liệu giả thuyết phục, sinh trắc học và chân dung nhân tạo gần như bằng không, các hệ thống xác minh danh tính đang đối mặt với cuộc khủng hoảng niềm tin ngày càng tăng.

Do đó, chúng ta rất cần các công cụ mật mã cho phép cá nhân chứng minh họ là con người thật độc nhất mà không tiết lộ danh tính. Chúng ta có thể gọi đó là chứng chỉ nhân cách. Những điều này bảo vệ quyền riêng tư đồng thời khôi phục sự khác biệt cơ bản giữa các tác nhân thật và giả tạo mà AI đã làm mất ổn định. Các tiêu chuẩn kỹ thuật mới nổi khiến điều này ngày càng khả thi. W3C đã chuẩn hóa một giao thức Định danh Phi tập trung (DIDs) cho phép các ví kỹ thuật số cá nhân di động (như số điện thoại) trên các nhà cung cấp tư nhân. Hệ thống này đã là nền tảng cho các chương trình thí điểm về chứng chỉ giáo dục và xác minh chăm sóc sức khỏe theo khuôn khổ eIDAS 2.0 của EU và hơn thế nữa.

Nhưng tư cách cá nhân thôi là chưa đủ: nó chỉ cho phép tiếp cận những quyền lợi chung thấp nhất của tất cả con người. Hầu hết các khía cạnh của bản sắc đều mang tính quan hệ, dựa trên việc thuộc về nhiều cộng đồng khác nhau từ địa phương đến quốc gia, từ chuyên nghiệp đến cộng đồng. Chỉ những kiến trúc cho phép chứng minh các mối quan hệ xã hội đa dạng, như tiêu chuẩn Verifiable Credentials (VCs) của W3C, mới có thể hỗ trợ sự phát triển của đời sống cộng đồng số.

Khác với sinh trắc học, vốn định nghĩa con người về mặt sinh học, các hệ thống số như tác nhân AI cũng nằm trong các mối quan hệ xã hội, do đó các khung này vừa có thể bảo vệ danh tính con người đầy đủ hơn trong thế giới các tác nhân AI, vừa tự nhiên mở rộng để cung cấp cho các tác nhân xác thực cần thiết để hỗ trợ, ví dụ, thương mại đại lý. Ví dụ, thay vì được nhận diện bằng dấu vân tay, ai đó có thể truy cập vào hệ thống bằng cách có hai người bạn đã được tin tưởng trong hệ thống xác nhận cho họ. Để hiện thực hóa tầm nhìn này, cần có cải cách phối hợp giữa cấp chứng thực của chính phủ, các cơ quan quản lý chống rửa tiền tài chính, xác thực nền tảng và hạ tầng số — những lĩnh vực cần cùng phát triển hướng tới các tiêu chuẩn tương tác, bảo vệ quyền riêng tư mà không ai có thể xây dựng một mình.

Quyền riêng tư

Mặt trái cần thiết của danh tính là quyền riêng tư, bởi nếu tất cả thông tin nhận dạng của chúng ta đều minh bạch, bất kỳ ai cũng có thể giả mạo hoặc xâm phạm đời tư của chúng ta. AI cho phép mọi người truy cập vào một "Sherlock Holmes" cá nhân, biến các dấu vết kỹ thuật số rải rác (duyệt web, vị trí, siêu dữ liệu, CCTV) thành hồ sơ hành vi chi tiết với chi phí tối thiểu. Giao diện não-máy tính có thể mở rộng phạm vi này hơn nữa. Những sự xâm nhập này khiến các ranh giới truyền thống về minh bạch và ẩn danh hiện đang được mã hóa trong các luật như Quy định Bảo vệ Dữ liệu Chung của châu Âu trở nên lỗi thời và không khả thi, vì hầu như bất kỳ tương tác kỹ thuật số nào cũng sẽ tiết lộ một số thông tin.

Mật mã hiện đại mở ra nhiều khả năng phong phú hơn để con người có thể chọn lọc tiết lộ các khía cạnh của bản sắc mà không cần bị phơi bày hoàn toàn, hay còn gọi là "meronymity". "Bằng chứng không có kiến thức" cho phép ai đó, ví dụ, chứng minh tuổi bằng giấy tờ tùy thân của chính phủ mà không tiết lộ gì khác, giống như một tấm bìa che sáng một phần trên giấy tờ tùy thân vật lý. Tính toán đa bên an toàn và học tập liên kết cho phép tính toán trên dữ liệu mà không bên nào có thể nhìn thấy, cho phép các quy trình AI hợp tác tạo ra đầu ra chia sẻ mà không làm lộ đầu vào riêng tư. Những công cụ này có thể cho phép các quy trình hợp tác phân tán, cho việc bỏ phiếu hoặc mô hình hóa bệnh tật, mà không làm tổn hại đến quyền riêng tư. Những công cụ này cũng không phải là lý thuyết: chúng ngày càng là nền tảng cho nhiều hoạt động, bao gồm hệ thống xác minh độ tuổi trên mạng xã hội, giao dịch tiền điện tử ẩn danh và tin nhắn mã hóa (như Signal).

Những rào cản lớn nhất để tận dụng các phương pháp hiệu quả hơn này là về mặt xã hội và pháp lý. Các chuẩn mực không chính thức về việc tiết lộ, thường phù hợp với cấu trúc một phần này, lại không được phản ánh rõ ràng trong các cấu trúc pháp lý đơn giản, vốn phần lớn bỏ qua hoặc loại trừ các giải pháp mật mã. Việc duy trì một phần không gian riêng tư trong thời đại AI sẽ đòi hỏi những thay đổi xã hội, văn hóa và pháp lý vượt ra ngoài việc chỉ áp dụng các công cụ mới.

Nguồn gốc

Deepfakes, vốn thường có tính thuyết phục về mặt hình ảnh hơn nội dung thật, cũng ngày càng rẻ và có thể được lồng ghép liền mạch vào các câu chuyện về sự kiện có thật để thay đổi dư luận, thuyết phục mọi người chuyển tiền cho kẻ gian lận hoặc làm suy giảm tinh thần ở các quốc gia như Ukraine đang chống lại cuộc xâm lược. Giải pháp rõ ràng, đảm bảo chúng ta biết nguồn gốc của bất kỳ nội dung nào, sẽ rất quan trọng để duy trì một thực tế chung. Luật pháp đã yêu cầu nguồn gốc kỹ thuật số dưới nhiều hình thức khác nhau: Đạo luật AI của EU yêu cầu công khai nội dung AI tạo ra có tính thực tế hợp lý, Đạo luật Minh bạch AI của California yêu cầu đóng dấu chìm cho nội dung tổng hợp có thể được phát hiện bằng công cụ miễn phí và các Quy định Tổng hợp Sâu của Trung Quốc yêu cầu sự đồng ý rõ ràng, có chữ ký từ bất kỳ ai bị bắt chước.

Một nỗ lực tiêu chuẩn ngành gần đây, Coalition for Content Provenance and Authenticity, đã phát triển một tiêu chuẩn xác thực nội dung đính kèm siêu dữ liệu được ký mật mã ghi lại cách nội dung được tạo ra và chỉnh sửa. Kết hợp với watermark không thể nhận ra, điều này cho phép xác thực nguồn gốc nội dung với độ tin cậy cao: AI hay con người. Các công cụ như VeriTrail mở rộng nguồn gốc vào chính lý luận AI, truy nguyên các tuyên bố sinh tạo ra từ nguồn để phát hiện nơi có thể xảy ra lỗi.

Tuy nhiên, nguồn gốc đòi hỏi những tiến bộ đồng thời về công nghệ, khung pháp lý và sự hiểu biết của công chúng. Cũng như về quyền riêng tư, các tiêu chuẩn pháp lý mâu thuẫn với những gì có thể thực hiện về mặt kỹ thuật. Việc thu hẹp khoảng cách này đòi hỏi các chuyên gia công nghệ, cơ quan quản lý và các bên liên quan phải lặp lại các tiêu chuẩn song song với việc triển khai thay vì vội vàng đặt ra các yêu cầu tùy tiện. Hiểu biết về nguồn gốc cũng có thể cần chuyển từ giả định rằng các phương tiện truyền thông, ảnh, video và ghi âm giọng nói là những đại diện trực tiếp cho những gì chúng ghi lại sang giả định cũ rằng những phương tiện này giống như tranh vẽ và giá trị sự thật của chúng phụ thuộc vào việc chúng ta có tin tưởng vào nhóm người bảo đảm tính xác thực của chúng hay không.

Giá trị dữ liệu

Các mô hình tiên phong ngày nay học từ hồ sơ kỹ thuật số mà nhân loại thu thập, một kho dữ liệu mà các công ty AI thu thập gần như miễn phí. Cuộc tranh cãi về dữ liệu đó đã trở thành một trong những tranh chấp kinh tế trung tâm của kỷ nguyên AI, và nó tạo ra vấn đề cho cả hai bên. Các công ty AI đang đối mặt với tình trạng khan hiếm sắp tới. Các vòng đào tạo tiếp theo sẽ đòi hỏi dữ liệu mới, chất lượng cao do con người tạo ra, và nguồn cung dễ dàng đã cạn kiệt. Các nhà sáng tạo nội dung chỉ còn hai lựa chọn kém: họ có thể chấp nhận các hợp đồng cấp phép một lần khiêm tốn hoặc kiện về vi phạm bản quyền. Cả hai đều không mang lại thù lao phản ánh đúng đóng góp thực tế của công việc mình.

Phản đối tiêu chuẩn đối với một thị trường thực sự trong dữ liệu đào tạo là việc định giá dữ liệu ở quy mô lớn là không thể, rằng chi phí xác định giá trị của từng nội dung sẽ tiêu tốn phần lớn giá trị mà dữ liệu tạo ra. Phản đối đó không thể vượt qua được sự kiểm tra kỹ vì các công ty AI đã tạo ra hai bộ dữ liệu cần thiết cho việc định giá, và họ tạo ra chúng mỗi khi huấn luyện một mô hình. Các quyết định về hỗn hợp dữ liệu cho thấy cách đóng góp của các nguồn khác nhau nên được trọng số, từ đó quyết định cách chia bánh. Các quy luật tỷ lệ cho thấy dữ liệu bổ sung cải thiện mô hình bao nhiêu, từ đó xác định kích thước của hình bánh. 

Điều còn lại là phân phối, và có những tổ chức hiện có cung cấp khuôn mẫu cho giải pháp này. Các tổ chức quản lý tập thể, những cơ quan cấp phép hoạt động và trả tiền bản quyền trong toàn ngành công nghiệp âm nhạc, cho thấy tiền có thể chảy đến số lượng lớn chủ sở hữu quyền mà không cần thương lượng từng giao dịch riêng lẻ. Một cấu trúc tương tự có thể chuyển khoản thù lao đến các nhà sáng tạo ở quy mô lớn, sử dụng các chỉ số mà các công ty đã thu thập, và cung cấp cho cả hai bên một lộ trình bền vững về phía trước.

Giá trị của dữ liệu bao trùm toàn bộ vòng đời AI, không chỉ riêng tiền huấn luyện. Thị trường cho các giai đoạn sau, như điều khiển và truy xuất mô hình, đã bắt đầu xuất hiện, khi thành công của các nhà cung cấp như Scale AI, trả lương cho nhân viên dữ liệu trên toàn thế giới để giúp điều chỉnh và cải thiện nền tảng mô hình, và thị trường lành mạnh ở mỗi giai đoạn củng cố các yếu tố khác.

Hợp tác qua tác nhân

Những tháng gần đây đã chứng kiến sự bùng nổ của các agent AI đảm nhận các nhiệm vụ thay mặt người dùng, đặc biệt là trong công việc kỹ thuật. Những tương tác ban đầu giữa các đại lý, bao gồm cả trên các nền tảng xã hội được thiết kế riêng cho bot, cho thấy tiềm năng lớn nhất nằm ở sự hợp tác, nơi các đại lý kết hợp kiến thức và quyền truy cập riêng biệt của họ. Nhưng hợp tác đòi hỏi sự tin tưởng, và các đại diện ngày nay được xây dựng để sẵn sàng hỗ trợ vô điều kiện, khiến họ trở thành đối tác ngây thơ nguy hiểm, dễ bị lừa bởi tin tặc trực tuyến thao túng mô hình để tiết lộ dữ liệu bí mật của người chủ của họ.

Các hệ thống hợp tác có thể sử dụng cần noi theo con người trong xã hội: Bắt đầu với các trao đổi nhỏ, xây dựng hồ sơ, đánh giá độ tin cậy từ kinh nghiệm cá nhân và danh tiếng nhóm, đồng thời làm sâu sắc thêm các mối quan hệ theo thời gian. Điều quan trọng là các hệ thống tin cậy này phải hoạt động trên các nhà cung cấp mô hình AI. Nếu không có tiêu chuẩn chung, các đại lý chỉ hợp tác trong khu vườn kín, để các nền tảng hiện hữu nắm bắt phần lớn giá trị. Tiêu chuẩn chung cho phép các chuỗi giới thiệu đáng tin cậy mở rộng với tốc độ kỹ thuật số — cho phép hợp tác tin cậy giữa những người vốn sẽ phải dựa vào các giao dịch tài chính thuần túy ít được tin cậy hơn nhiều.

Hiểu biết cộng đồng

Mặc dù những mạng lưới niềm tin này có thể giúp các tác nhân hợp tác, nhưng sự hợp tác đó chỉ mang lại giá trị khi nó thúc đẩy sự hiểu biết chung, trao quyền cho hành động chung. Tuy nhiên, có một cảm nhận rộng rãi rằng các hệ thống truyền thông thuật toán ban đầu đã thất bại trong việc hỗ trợ điều này, thay vào đó thường công nghiệp hóa việc thao túng câu chuyện, phân cực và lan truyền thông tin sai lệch, với AI ngày càng thúc đẩy động lực này. Hầu hết các thiết kế nền tảng đều làm trầm trọng thêm vấn đề bằng cách phân phối quảng cáo và nội dung dựa trên thành viên nhóm suy luận, đồng thời che giấu người tiêu dùng lý do tại sao nội dung đó được phục vụ. Điều này ngăn cản người tham gia biết cộng đồng nào nhìn nhận và đồng ý với cùng một tài liệu, làm tăng sự thiếu hiểu biết đa nguyên trên quy mô lớn.

Tuy nhiên, các thiết kế thay thế có thể tập trung vào việc phát triển và thậm chí kiếm tiền từ sự gắn kết cộng đồng và sự hiểu biết tập thể. Nội dung được gắn thẻ để xác định cộng đồng nào cho là đoàn kết hoặc chia rẽ có thể được trình bày bằng thuật toán để xác định được điểm chung trong khi sự bất đồng thực sự được thể hiện công bằng. Điều này mở rộng cách tiếp cận đã được chứng minh bởi quá trình quốc gia vTaiwan của Đài Loan và hiện đang lan rộng trong phong trào "lắng nghe rộng rãi" chính trị của Nhật Bản để tận dụng AI giúp các nhà lãnh đạo chính trị xử lý dư luận một cách đầy đủ và công bằng hơn. Khi nội dung ngày càng được tạo ra và phục vụ thông qua giao diện AI, các thiết kế này trở thành các chế độ điều chỉnh và tương tác. Thay vì tiếp cận người dùng từ góc nhìn phổ quát hoặc cá nhân hóa, các mô hình cộng đồng có thể trình bày các vấn đề từ góc nhìn của các nhóm mà một người thuộc về, chẳng hạn như giáo đoàn, công đoàn lao động hoặc đô thị, xuất hiện khi các cộng đồng đó đồng thuận, nơi họ khác biệt và lý do tại sao. Khi mô hình kinh doanh thay đổi để cộng đồng trả tiền cho các nền tảng vì sự nhất quán thay vì nhà quảng cáo để thu hút sự chú ý, các động lực nền tảng sẽ phù hợp với cấu trúc xã hội mà họ phụ thuộc.

Dân chủ

Ít nhất từ thời de Tocqueville, một cộng đồng phát triển mạnh mẽ đã là nền tảng của các hệ thống dân chủ. Tuy nhiên, để các cộng đồng này phát triển, quyền lực thực sự mà họ tạo ra phải chuyển hóa thành quyền lực chính thức đối với tài nguyên và quyền lực thông qua việc thiết kế lại cái mà giáo sư Danielle Allen của Đại học Harvard gọi là "xương sống đại diện" — sự tham gia, đại diện chính thức và thực thi — để theo kịp tốc độ và sự phức tạp của những thách thức mà các nền dân chủ hiện đang đối mặt.

Đảng chính trị phát triển nhanh nhất Nhật Bản, Team Mirai, truyền tải ý kiến của người dânthông qua thảo luận hỗ trợ AI luôn hoạt động, chuyển hóa kinh nghiệm thực tế thành các đề xuất chính sách cụ thể gần như theo thời gian thực. Bảng điều khiển công dân lập bản đồ cảnh quan ý kiến để cung cấp cho các nhà hoạch định chính sách những tín hiệu công khai độ phân giải cao, nơi các cuộc bầu cử định kỳ và cuộc thăm dò cung cấp những đại diện mỏng manh, giúp vượt qua sự bế tắc bằng cách xác định điểm chung có thể hành động.

Tuy nhiên, bất chấp giá trị của luật pháp, cuốn sách có ảnh hưởng năm 2023 "Recoding America" của Code for America và đồng sáng lập United States Digital Response Jennifer Pahlka đã nhấn mạnh rằng những nút thắt quan trọng nhất nằm ở việc thực thi hành pháp. Mạng lưới Cán bộ Tham gia của Đài Loan đã tích hợp các công chức được đào tạo như những đại diện tham gia thường trực giữa các bộ, duy trì giao tiếp giữa công dân và nhà nước trong mọi giai đoạn thiết kế và thực thi chính sách, tạo ra sự linh hoạt và năng lực để các quan chức tuyến đầu xây dựng sự ủng hộ từ cấp trên nhằm vượt qua "chuỗi cứng nhắc của Pahlka".” Bằng cách tái hình dung cách bộ máy quan liêu của mình có thể vận hành, Đài Loan đã có thể mở rộng nhiều chương trình tham gia công dân, bao gồm cả vĐài Loan, để phản ứng dân chủ trở thành một chức năng thường trực của chính phủ thay vì chỉ là một thử nghiệm thỉnh thoảng.

Nơi làm việc

Việc tái tạo khu vực công như vậy là một trong nhiều ví dụ về cách AI sẽ cho phép và đòi hỏi việc thiết kế lại quy trình làm việc không chỉ để tăng hiệu quả mà còn để thúc đẩy sự hợp tác phong phú hơn một cách đáng kể. Nút thắt thực sự để AI đạt được năng suất vượt trội là biến đổi các tổ chức để xử lý sự sáng tạo và quyền chủ động tăng lên đáng kể.

Hãy cân nhắc chăm sóc sức khỏe. AI có thể thúc đẩy khám phá điều trị, tối ưu hóa chuỗi cung ứng, tổng hợp bằng chứng lâm sàng cho chăm sóc cá nhân hóa và xử lý quy trình hành chính với độ chính xác và an toàn. Với trí tuệ tổ chức này hoạt động phía sau, một đội ngũ chăm sóc chuyên gia có thể tập hợp năng động quanh từng bệnh nhân — mang lại sự hiện diện, lòng trắc ẩn và sự quan tâm cá nhân sâu sắc. Cùng một phổ quy trình — khám phá, cung cấp, luồng thông tin, kết nối chuyên gia và tương tác tuyến đầu — đều diễn ra trong mọi lĩnh vực.

Nhưng để nhận ra điều này, cần nhiều hơn là chỉ đưa mô hình vào các cấu trúc hiện có. Các tổ chức cần được thiết kế lại dựa trên những gì AI mang lại: loại bỏ các nút thắt phân cấp để người lao động có thể tham gia vào nhiều "nhóm chớp nhoáng" xuyên suốt cho phép dữ liệu vận hành liên tục cung cấp cho việc học tập của các tổ chức. Các tổ chức sẽ định nghĩa ranh giới của hiệu suất tập thể sẽ là những tổ chức thiết kế lại quy trình làm việc xoay quanh sự linh hoạt của AI — giống như các nhà máy được thiết kế lại với động cơ điện thu nhỏ — thay vì chỉ đơn giản là tăng tốc các quy trình làm việc cá nhân hiện có — tương đương với việc thay thế động cơ hơi nước bằng động cơ điện rẻ hơn.

"Các tổ chức phải được thiết kế lại dựa trên những gì AI mang lại: loại bỏ các nút thắt phân cấp để người lao động có thể tham gia vào nhiều "nhóm chớp nhoáng" xuyên suốt cho phép dữ liệu vận hành liên tục nuôi dưỡng việc học của các tổ chức."

Luật & Tự do

Trong khi sự năng động của tổ chức là yếu tố then chốt cho một tương lai dân chủ với AI, thì pháp quyền đảm bảo rằng các phán quyết tập thể có thể thắng thế trước ý muốn hành pháp đơn phương cũng là yếu tố then chốt. AI đang sẵn sàng làm mất ổn định sự cân bằng đó. Nó giảm đáng kể chi phí giám sát, điều tra, soạn thảo và thực thi quy định. Những năng lực này chủ yếu thuộc về nhánh hành pháp, vốn đã chỉ huy bộ máy hoạt động của nhà nước hành chính. Đồng thời, AI giúp bất kỳ ai cũng dễ dàng tạo ra một hồ sơ pháp lý có vẻ hợp lý, đe dọa áp đảo các tòa án mà tính hợp pháp phụ thuộc vào sự cân nhắc kỹ lưỡng.

Nhiều rào cản mà AI giải quyết, như nỗ lực xây dựng vụ án và giới hạn thực tế trong các cuộc điều tra đồng thời, đã đóng vai trò như những yếu tố then chốt của trật tự hiến pháp, loại bỏ những hành động quyền lực nhà nước vô căn cứ hoặc trả đũa trước khi chúng có thể mở rộng. Loại bỏ những rào cản đó mà không có các kiểm soát đối trọng sẽ chuyển quyền lực từ các nhánh tập thể, cơ quan lập pháp và tư pháp, sang một cơ quan hành pháp đơn phương.

Khôi phục sự cân bằng đòi hỏi cơ sở hạ tầng tương đương ở phía bên kia hành động của nhà nước: các dấu vết kiểm toán thường trực cho các quyết định chính phủ hỗ trợ AI, để các cơ quan lập pháp và công chúng có thể giám sát; Sàng lọc vụ án hỗ trợ AI, dưới sự giám sát của con người, giúp tòa án quản lý các hồ sơ vụ án nổ tung; và các mô hình pháp lý công khai cho phép công dân bình thường phản đối hành động của nhà nước với tốc độ và chi phí tương đương, để các cơ quan hành pháp không thể né tránh ý định pháp lý chỉ bằng cách hành động nhanh hơn.

Về cơ bản nhất, các cơ quan lập pháp phải xây dựng lại năng lực phân tích của chính mình. Họ phải tận dụng năng lực phân tích và xây dựng sự đồng thuận của AI để vượt qua sự suy giảmnhư việc cắt ngân sách Văn phòng Đánh giá Công nghệ của Quốc hội Hoa Kỳ năm 1995, để họ có thể đặt ra các điều kiện dân chủ, có hiểu biết cho việc triển khai thực thi dựa trên AI, thay vì giao thiết kế đó cho cơ quan hành pháp một cách mặc định.

Nghiên cứu

Tác động tổ chức của khả năng AI mở rộng năng lực cá nhân mà không cần quản lý lượng tài liệu khổng lồ được chứng minh rõ nhất qua khoa học. Các mô hình giờ đây tạo ra giả thuyết, chạy mô phỏng và soạn thảo bản thảo với tốc độ khiến phản biện ngang hàng truyền thống trở nên lỗi thời, chôn vùi những đột phá quan trọng dưới một làn sóng tái tổ hợp từng bước và sự lộn xộn rõ ràng. Cũng giống như trong thời đại ARPANET, cải cách thực hành khoa học vừa là một mô hình vĩ mô vừa là thu nhỏ của cách các tổ chức khác cần được tái hình dung.

Và cũng như ở những nơi khác, AI sẽ là một thành phần quan trọng của giải pháp, cho phép phân loại lúa mì với rác ở quy mô lớn. Như một người trong chúng tôi đã chỉ ra trong một nghiên cứu năm 2023 cùng nhà khoa học xã hội tính toán Jamshid Sourati, làm điều này hiệu quả đòi hỏi phải khai thác các biểu hiện nội tại của các hệ thống này về các động lực văn hóa và quan hệ con người làm nền tảng cho các lĩnh vực nghiên cứu. Điều này tự nhiên có thể dẫn đến các hệ thống đánh giá, cuối cùng khuyến khích công việc đổi mới phá vỡ các bộ phận riêng biệt.

Phiên bản rõ ràng nhất sẽ sử dụng các chỉ số như vậy, cùng với các cơ chế như tài trợ bậc hai và "sâu", để chỉ đạo các khoản tài trợ nghiên cứu. Những thí nghiệm đầy hứa hẹn đang xuất hiện trong phong trào "khoa học phi tập trung", nơi các nhà tài trợ phân bổ tiền bằng cách truy tìm các mô hình phụ thuộc giữa phần mềm mã nguồn mở. Được thúc đẩy bởi lĩnh vực siêu khoa học, những nỗ lực này giúp giữ cho khoa học luôn phù hợp khi các bài báo và phòng thí nghiệm dần nhường chỗ cho hạ tầng mã nguồn mở ngày càng hỗ trợ đổi mới dựa trên AI. Sự gián đoạn chung của khoa học bởi những thay đổi trong chính sách chính phủ và AI mang lại cơ hội để cải thiện khoa học một cách đáng kể, nếu các phương pháp mới nổi này có thể được mở rộng thông qua các tổ chức tài trợ khoa học.

Giáo dục

Là tổ chức nghiên cứu lâu đời nhất, trường đại học dựa trên nền giáo dục phục vụ nghiên cứu, từ đó hỗ trợ khả năng thích ứng với sự chuyển đổi của AI. Tuy nhiên, AI lại phá vỡ nền tảng này trên ba mặt cùng lúc: các kỹ năng mà nền kinh tế trân trọng, cách các kỹ năng đó được giảng dạy và cách chứng nhận sự thành thạo của chúng. Đại học luôn xây dựng những năng lực quan trọng nhất của mình (đọc kỹ lưỡng, có góc nhìn, lập luận có cấu trúc) một cách ngầm định, như sản phẩm phụ của việc truyền tải nội dung. AI khiến việc gộp lại đó trở nên không thể duy trì được. Khi học sinh có thể tạo ra tác phẩm trau chuốt mà không cần sự hiểu biết thực sự, các nhà giáo dục phải làm rõ những năng lực nào quan trọng và thiết kế việc học phát triển chúng, sử dụng AI như một chiếc xe đạp cố định cho trí óc, chứ không chỉ là "xe đạp điện" trong phép ẩn dụ của CEO OpenAI Sam Altman.

Đánh giá cũng phải đối mặt với một cách đối mặt tương tự. Các bài đánh giá phải vừa xác minh kỹ năng nền tảng bằng cách cấm hỗ trợ điện tử, vừa kiểm tra khả năng của học sinh trong việc hoàn thành những việc với AI mà trước đây là không thể. Việc mở rộng cả hai cũng sẽ cần AI.

Chứng chỉ giảng dạy cũng đã quá hạn để được thiết kế lại. Chứng chỉ tiêu chuẩn rất cứng nhắc, yếu dựa trên việc học khoa học và gạt bỏ những điều không điển hình. Những cấu trúc này tồn tại vì các con đường cá nhân hóa và thông tin không đồng nhất quá tốn kém để giải thích, một giới hạn mà AI làm giảm đáng kể. Việc thiết kế lại chứng chỉ để phản ánh những gì mọi người biết sẽ đòi hỏi sự phối hợp giữa các nhà giáo dục, nhà nghiên cứu, kỹ thuật viên, nhà hoạch định chính sách và nhà tuyển dụng. Nhưng ngay cả những chứng chỉ được thiết kế tốt cũng không mang lại nhiều kết quả nếu hạ tầng chuyển đổi kết nối chúng với thị trường lao động không theo kịp.

Chuyển giao lao động

Khoảng cách cuối cùng đó là giữa những gì chứng chỉ chứng nhận và những gì người lao động có thể làm với chúng. Ngay cả trong những trường hợp lạc quan nhất đã nêu ở trên, nơi đóng góp dữ liệu được thưởng, nhân viên được trao quyền chủ động, và chứng chỉ được phân tách, AI vẫn tách chuyên môn chuyên môn thành các nhiệm vụ riêng biệt. Do đó, nó làm mất ổn định một hệ thống phát triển lực lượng lao động thời công nghiệp được xây dựng cho mô tả công việc cứng nhắc và các bằng cấp cố định, đòi hỏi nhiều năm theo đuổi một con đường sự nghiệp cụ thể.

Cơ sở hạ tầng cũ của các hệ thống bảo hiểm thất nghiệp, hội đồng lao động và các trường cao đẳng cộng đồng vẫn phần lớn mù quáng trước các mô hình sử dụng chi tiết và năng lực tiềm ẩn mà các mô hình biên giới hiện nay tiết lộ qua tương tác thời gian thực. Các nhà phát triển mô hình sở hữu các tín hiệu độ phân giải cao về cách công việc con người đang được tái cấu trúc, nhưng nhà nước và các đối tác quan trọng lại thiếu các hệ thống chia sẻ dữ liệu và năng lực phân tích để chuyển đổi các tín hiệu này thành đào tạo đáp ứng hoặc chứng chỉ di động. Sự bất đối xứng về thông tin này khiến công việc được tổ chức lại nhanh hơn khả năng đào tạo lại, thương lượng hoặc vượt qua các giai đoạn chuyển đổi được hỗ trợ.

Để đảm bảo việc giảm lao động nhận thức thường xuyên dẫn đến sự thịnh vượng rộng rãi thay vì bị trì trệ, chúng ta cần thiết kế lại các hệ thống chuyển đổi. Điều này có nghĩa là phải vượt qua sự trì trệ thể chế của các cơ quan bảo hiểm thất nghiệp nhà nước và lực lượng lao động hiện có, vốn được xây dựng cho một thế giới sa thải hàng loạt tại một nhà tuyển dụng duy nhất và không đủ khả năng để xử lý sự phân bổ công việc phân bổ liên tục, lan tỏa mà AI tạo ra.

Cốt lõi của việc thiết kế lại này là một xương sống thế kỷ 21 cho sự di chuyển lao động: các chứng chỉ kỹ thuật số có thể tương tác, dựa trên tiêu chuẩn, không chỉ được thiết kế để chi tiết và linh hoạt, mà còn có thể di động xuyên qua ranh giới các bang, có thể đọc được bởi các hội đồng lao động và có thể được nhà tuyển dụng giải thích mà không cần tên bằng cấp ngắn gọn. Việc tích hợp lập bản đồ nhiệm vụ hỗ trợ AI và các công cụ thảo luận sẽ giúp các cơ sở giáo dục địa phương điều chỉnh giáo dục thường xuyên phù hợp với bản chất phát triển của các nhiệm vụ nghề nghiệp gần như theo thời gian thực, khép lại vòng lặp giữa nhu cầu của nền kinh tế và những gì hệ thống chuyển đổi có thể mang lại.

IV. Liên minh Hành động

Không một ngành nào có thể tự mình giải quyết một thách thức lớn như thế này. Mọi tiền lệ lịch sử mà chúng tôi khảo sát trước đây đều thành công bằng cách kết hợp những năng lực mà không một tác nhân nào có được. Mỗi dự án đều cần một liên minh đủ mạnh, một liên minh cốt lõi để thể hiện giá trị sớm và thu hút những người khác tham gia khi kết quả được hình thành.

Lịch sử đầy rẫy những tầm nhìn xã hội kỹ thuật đầy hứa hẹn nhưng đã thất bại. Chỉ hơn một thập kỷ trước, các liên minh đa ngành đã tập hợp các nhà hoạch định chính sách, chuyên gia công nghệ và quy hoạch đô thị xung quanh "thành phố thông minh" để tối ưu hóa cuộc sống đô thị thông qua hạ tầng số tích hợp; hầu hết đều gặp khó khăn trong việc thực hiện. Khi các chuyên gia từ nhiều lĩnh vực cùng nhau giải quyết một thách thức mới, họ thường nhận ra mình không đồng ý về vấn đề mà họ muốn giải quyết, xung đột về những gì được coi là bằng chứng, chuyên môn của ai quan trọng và thành công trông như thế nào. Và khi những chuyên gia đó cam kết truyền bá tầm nhìn của họ, điều này càng có thể làm lấn át việc học hoặc thích nghi. Giải quyết những thách thức lớn đòi hỏi sự tự nhìn nhận thực sự và công việc không hào nhoáng trong việc xây dựng sự hiểu biết trong và giữa các cộng đồng để tạo ra các giải pháp có tác động có thể mở rộng.

Có các cơ chế giúp liên kết người tham gia với các lợi ích khác nhau, như việc biệt phái liên ngành: đưa các chuyên gia công nghệ vào chính phủ, công chức vào phòng thí nghiệm nghiên cứu và các nhà vận động vì lợi ích công cộng trong các công ty nền tảng. Điều này đã được thực hiện ở một mức độ nào đó thông qua Đạo luật Nhân sự Liên chính phủ Hoa Kỳ, vốn đã luân chuyển các chuyên gia giữa chính phủ và các tổ chức nghiên cứu trong nhiều thập kỷ, và gần đây hơn là tại Viện An ninh AI Vương quốc Anh. Các cam kết thị trường trước, nơi các nhà tài trợ đảm bảo nhu cầu cho các sản phẩm chưa tồn tại, đã tạo ra bước ngoặt cho việc sản xuất vắc-xin Covid-19 của Chiến dịch Warp Speed và cũng có thể giảm rủi ro trong việc xây dựng hạ tầng xã hội kỹ thuật như xác thực tương tác hoặc tính toán bảo vệ quyền riêng tư. Điều chỉnh ngược không phải là một dự án đơn lẻ mà là một danh mục các cược bổ sung cho nhau. Lịch sử cho thấy ràng buộc không phải là thiếu ý tưởng tốt mà là thiếu các cơ chế thể chế cho phép các bên khác nhau đóng góp những gì chỉ họ có thể, và vốn kiên nhẫn sẵn sàng duy trì những sắp xếp đó trong thời gian dài trước khi kết quả được tạo ra.

V. Trở thành siêu trí tuệ, cùng nhau

Những thách thức lớn này về mặt kỹ thuật có những giải pháp đầy hứa hẹn, nhưng như chúng ta đã thấy, những tầm nhìn đầy hứa hẹn sẽ thất bại khi các liên minh không thể học hỏi về sự khác biệt của mình. Giải pháp này được gắn liền với sự hợp tác đa nguyên đã tạo ra bài báo này và phải điều chỉnh việc theo đuổi nó: kết nối các cộng đồng chia rẽ, đặt niềm tin vào mạng lưới các mối quan hệ đa dạng thay vì vào quyền lực tập trung và làm nổi bật nền tảng chung mà không làm giảm bất đồng thực sự. Các kiến trúc thể chế mà chúng ta ủng hộ không tách rời khỏi các giá trị mà chúng mã hóa; chúng là biểu hiện của những giá trị đó.

Nếu không có những biện pháp này, con đường mặc định của chúng ta là hướng tới một thế giới năng suất không thịnh vượng, thực thi không kiểm chứng và năng lực không bị ràng buộc. Kết quả này không phải là điều tất yếu. Các liên minh liên ngành cam kết hợp tác và học hỏi có thể thay đổi những gì sẽ xảy ra tiếp theo. Đã đến lúc xây dựng tham vọng cho các hệ thống xã hội của chúng ta như chúng ta đã xây dựng cho các thuật toán của mình.

BY E. GLEN WEYL, JAMES EVANS AND CHRIS WHITE - NoemaMag